-
公开(公告)号：CN115002031B
公开(公告)日：2023-09-29
申请号：CN202210506600.X
申请日：2022-05-11
Applicant: 大连理工大学
IPC: H04L47/10 , H04L47/125 , H04L47/2441 , H04L47/70 , H04L47/80
Abstract: 基于不平衡数据分布的联邦学习网络流量分类模型训练方法、模型及分类方法，属于计算机流量分类领域，为了解决联邦学习在不平衡流量分类任务中通信代价过大和精度降低的问题，中心节点在一个训练周期接收本地节点发送的本地模型权重和平衡度，其中，本地节点的流量数据在本地模型中训练得到本地模型权重，平衡度由所述流量数据所在的流量数据集计算所得；将本地模型权重和平衡度加权聚合得到聚合后的全局模型；中心节点将所述聚合后的全局模型向本地节点发送；确定中心节点发送的聚合后的全局模型的准确率，根据所述准确率确定本地节点训练的模型，效果是可以有效地减小通信代价。
-
公开(公告)号：CN115658737B
公开(公告)日：2023-07-14
申请号：CN202211362098.6
申请日：2022-11-02
Applicant: 大连理工大学
IPC: G06F16/2455 , G06F16/29 , G06F16/9535 , G06F16/9537
Abstract: 一种大规模轨迹数据时空伴随者查询方法和系统，属于时空大数据处理与应用的领域。本发明分为索引建立阶段和轨迹时空伴随者查询阶段，在索引建立阶段，基于样本数据构造一个全局索引，全局索引由时间分区的排序数组和空间分区的多个四叉树组成。具体来说，本方法遵循两轮连接框架。在第一轮连接中，根据时空分布对轨迹进行划分，每个时空分区中首先在根轨迹集上构建局部三维R树索引，再找到每条轨迹的动态区域，使得满足空间邻近性和时间并发性的最近邻居必须位于特定网格范围内，实现了数据的时空局部性和负载平衡。其次，在对局部结果进行洗牌之前，先基于时空参考点去除重复数据，可以有效地减少不同机器之间的数据传输。然后将局部结果合并成全局结果。最后，建立起全局索引‑动态网格范围计数索引‑三维R树索引组成的多级索引结构。
-
公开(公告)号：CN115002031A
公开(公告)日：2022-09-02
申请号：CN202210506600.X
申请日：2022-05-11
Applicant: 大连理工大学
IPC: H04L47/10 , H04L47/125 , H04L47/2441 , H04L47/70 , H04L47/80
Abstract: 基于不平衡数据分布的联邦学习网络流量分类模型训练方法、模型及分类方法，属于计算机流量分类领域，为了解决联邦学习在不平衡流量分类任务中通信代价过大和精度降低的问题，中心节点在一个训练周期接收本地节点发送的本地模型权重和平衡度，其中，本地节点的流量数据在本地模型中训练得到本地模型权重，平衡度由所述流量数据所在的流量数据集计算所得；将本地模型权重和平衡度加权聚合得到聚合后的全局模型；中心节点将所述聚合后的全局模型向本地节点发送；确定中心节点发送的聚合后的全局模型的准确率，根据所述准确率确定本地节点训练的模型，效果是可以有效地减小通信代价。
-
公开(公告)号：CN113094357B
公开(公告)日：2022-05-10
申请号：CN202110438939.6
申请日：2021-04-23
Applicant: 大连理工大学
IPC: G06F16/21 , G06F16/2458 , G06N3/04 , G06N3/08
Abstract: 一种基于时空注意力机制的交通缺失数据补全方法，首先通过注意力机制的方式，捕获路网中所有的路段在当前时刻对路网交通状态的影响程度大小，并在不同时刻重新捕获空间相关性信息，提高数据补全的精度。其次，考虑交通数据的时序性，不同时刻的交通数据对当前时刻的数据影响程度是不一样的，通过时间注意力机制捕获这种不一致的时间相关性信息，在对当前缺失数据补全时保留最有效的信息，提升模型的补全效果。最后，在利用时空注意力机制捕获交通数据的时空相关性同时，考虑数据之间的相关性受到空间距离和时间间隔的增大而衰减，加入时空衰减性矩阵提高补全精度。本发明不仅大幅提高数据缺失率低的情况下补全精度，还提升在数据缺失率高的情况下的补全精度。
-
公开(公告)号：CN106781478B
公开(公告)日：2020-08-14
申请号：CN201611202534.8
申请日：2016-12-23
Applicant: 大连理工大学
IPC: G08G1/01
Abstract: 本发明属于计算机应用技术领域，一种基于LTE信令数据的轨迹跟踪方法。该方法仅使用LTE信令数据中的TA值，通过隐式Markov模型进行道路匹配，确定目标位置，实现对移动目标轨迹的跟踪。LTE信令数据是通信标准所要求并现存于已有系统，不会对网络基础设施或移动设备产生额外的费用。与此相反，GPS数据带有一个显著的能量成本。LTE信令数据覆盖范围并不限于任何特定的地理区域。只要在基站覆盖到的区域，可以从几乎任何地方收集信息。在不远的未来，所有的汽车都将配备LTE芯片。基本上，可以跟踪道路上行驶的所有车辆。
-
Patent Agency Ranking
公开(公告)号：CN105788263B
公开(公告)日：2017-12-26
申请号：CN201610272315.0
申请日：2016-04-27
Applicant: 大连理工大学
Abstract: 本发明属于计算机应用技术领域，涉及一种通过手机信息预测道路拥堵的方法。该方法通过大量获取手机的定位信息，基于Markov算法计算出道路的拥堵情况。该方法通过简单快速的生成地图数据库；将道路的数据存入到数据库中；实时将定位的信息导入到数据库中；对数据库中的数据进行计算并得出拥堵情况，实现道路拥堵情况准确的分析。该方法成本低、覆盖范围大、准确度高。
-
公开(公告)号：CN106648904A
公开(公告)日：2017-05-10
申请号：CN201710011464.6
申请日：2017-01-09
Applicant: 大连理工大学
Abstract: 本发明属于计算机应用技术领域，一种流式数据处理自适应速率控制方法。该方法基于常用的数据接收消息队列和大数据分布式计算框架，根据当前计算集群的情况，通过预分片的方式调整数据处理的并行度，并通过自适应实时速率控制方法动态调整集群当前处理数据的数量，保证计算集群的稳定性，降低数据流式处理的延迟。随着“大数据”逐步深入到各个行业中，海量数据实时处理的应用范围逐步扩大。海量数据处理系统的实时性和稳定性是十分重要的。该方法在不增加计算集群硬件数量和任务编程复杂度的情况下，在一定程度上提升了计算集群的稳定性和处理效率。
-
公开(公告)号：CN104900059B
公开(公告)日：2017-04-12
申请号：CN201510273848.6
申请日：2015-05-26
Applicant: 大连理工大学
Abstract: 本发明属于手机基站定位领域，涉及一种利用隐马尔可夫地图匹配算法增强手机基站定位精度的方法。利用隐马尔可夫地图匹配算法来提高手机基站定位的精度，算法将定位点匹配到候选匹配道路上的概率称作初始匹配概率，将候选匹配道路发生转换的概率称作道路转移概率，算法使用动态编程来快速找到初始匹配概率和道路转移概率乘积最大的路径。考虑到车辆在实际行驶过程中不可能频繁地转换道路，我们在算法计算定位点道路转移概率时引入了约束限制进行改进，从而提高了算法性能。
-
公开(公告)号：CN117201147A
公开(公告)日：2023-12-08
申请号：CN202311207604.9
申请日：2023-09-19
Applicant: 大连理工大学
IPC: H04L9/40
Abstract: 本发明属于终端网络安全接入方法领域，提出一种基于零信任模型的终端威胁识别和处置方法。该方法中零信任代理客户端和后台模块进行联动交互，持续动态评估和主动威胁阻断。现有技术主要采用传统的固定规则匹配和固定防火墙策略，虽然一定程度上解决了固定模式的攻击和常见的恶意软件传播等问题，但仍然面临着策略不及时更新、适应性差和无法应对先进持续威胁等问题。本发明的方法能够实时分析并应对复杂的网络攻击行为，提供更为精确和灵活的威胁识别与处置，确保企业核心数据和网络资源的安全。
-
公开(公告)号：CN115379293B
公开(公告)日：2023-10-03
申请号：CN202210392827.6
申请日：2022-04-15
Applicant: 大连理工大学
IPC: H04N21/466 , H04N21/472 , G06N3/044 , G06N3/08
Abstract: 智能电视点播用户时序行为预测方法、设备和计算机可读存储介质，属于人类时序行为数据挖掘领域，为了解决自注意力机制用于用户行为预测的问题，要点是对用户的当前点播行为序列进行特征嵌入得到用户的当前点播行为嵌入序列，通过将用户当前点播行为嵌入序列输入自注意力网络层，得到反映用户的短期行为状态的查询向量，根据所述查询向量，获取反映用户长期和短期行为规律的规律向量，将用户向量与规律向量拼接得到拼接特征向量，将拼接特征向量通过两层全连接网络得到聚合特征向量，将聚合特征向量输入到预测层，获取所有节目的可能性分布，并将概率最大的节目作为所预测的用户下一次点击行为所选定节目进行输出，效果是不仅大幅提高了预测模型的预测准确率，同时极大提高了模型训练时的计算效率。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.028 seconds)
